Starten Sie die Datenqualitäts-Offensive, mit FIVE1

Ein Datawarehouse ist immer nur so gut, wie die Daten die darin gespeichert sind. Schlechte Datenqualität macht Mitarbeiter unzufrieden, führt in Unternehmen zu steigenden Kosten und sinkender Kundenzufriedenheit. Obwohl man diese Aussage gut und gerne als Binsenweisheit bezeichnen kann, überschätzen Unternehmen im Allgemeinen ihre eigene Datenqualität und unterschätzen deren negative Auswirkungen auf das operative Geschäft. Sie verdienen ja schließlich noch immer Geld, ihre Fehlerquote liegt bei wenigen Prozent? Wie schlimm kann es also sein?

FIVE1 Data Quality Windshield Blog

“Ultimately, poor data quality is like dirt on the windshield. You may be able to drive for a long time with slowly degrading vision, but at some point, you either have to stop and clear the windshield or risk everything. Ken Orr

Betrachten wir dazu ein einfaches Beispiel. Ein Energieversorger hat 100.000 Kundenkontakte im Monat über Call Center, Webseite oder Vertriebspartner. Bei jedem Kundenkontakt werden durchschnittlich fünfundzwanzig strukturelle Informationen abgefragt, erfasst und geändert. Bei einer (sehr guten) Fehlerrate von nur 0,1 Prozent bedeutet dies, dass 2.500 Informationen im Monat fehlerhaft sind. Tatsächlich finden sich in den Kundendatenbanken deutscher Unternehmen laut einer aktuellen Studie der deutschen Post im Durchschnitt 14,2% fehlerhafte Adressdaten. Das sind nicht nur sehr viele Fehler, sondern anteilig sogar mehr als noch vor fünf Jahren. Jeder dieser Fehler erzeugt mit der Zeit einen Zusatzaufwand durch Arbeitszeit die Sie aufwenden müssen ihn wieder zu beseitigen. Er kann zur fehlerhaften Berechnung von Produktangeboten führen oder durch Ärger des Kunden das Vertrauen in ihr Unternehmen negativ beeinflussen. Bewertet man jeden dieser Fehler mit nur 10,-€, so wird offensichtlich, dass durch verbesserte Datenqualität leicht einige hunderttausend Euro im Jahr eingespart werden können. Stellen Sie sich ähnliche Effekte im Handel, in der Versicherungs-, Banken-, Automobilbranche, oder noch schlimmer in Ihrem Unternehmen einmal vor. Nach Berechnungen des TDWI kostet allein die schlechte Qualität von Kundendaten die US-Wirtschaft jährlich 660 Milliarden US-Dollar. Wieviel könnten Sie einsparen?

Am Beispiel der Adressdaten der Post lassen sich die einzelnen Dimensionen der wahrgenommenen Datenqualität aufzeigen. Die Adressdaten stammten zwar aus vertrauenswürdigen Quellen, den Kunden der Post, diese bildete die Realität jedoch nicht korrekt ab (Dimension Genauigkeit). Alle Werte lagen in den fachlich definierten Bandbreiten (Adressen in Deutschland) und waren somit plausibel (Dimension Validität). Auf die Daten konnte leicht zugegriffen werden (auf den Sendungen schriftlich vermerkt), sie waren verständlich und somit grundsätzlich verwendbar (Dimension Verfügbarkeit). Die Datenelemente wurden zwar konsistent definiert (bspw. keine Orte als Straßennamen) und auch die Adressbestandteile (wie Straße und Ort) sind allgemein verständlich (Dimension Konsistenz), jedoch wurden Datenstrukturen und die Beziehungen zwischen den Entitäten und Attributen nicht immer konsistent gepflegt (bspw. Straße in falschem Ort) (Dimension Integrität). Nicht alle notwendigen Daten waren vollständig vorhanden (es fehlt bspw. die Hausnummer; Dimension Vollständigkeit) und zu dem Zeitpunkt zu welchem sie benötigt werden (Dimension Zeit) nicht verfügbar.

Problems due to poor data quality - TDWIQuelle: TDWI.org

Andererseits ist es illusorisch von völlig fehlerfreien Daten auszugehen. Das ist auch gar nicht notwendig. Daten müssen in der Qualität vorliegen, wie sie für die jeweilige Anforderung notwendig ist. Legale Anforderungen stellen andere Voraussetzungen an Datenqualität als z.B. Marktdaten. Man muss also verstehen was Datenqualität für den jeweiligen Konsumenten der Daten bedeutet.

Stellen wir uns einmal folgendes Szenario vor: Sie haben eine ganze Menge Geld investiert um wirklich gute Mitarbeiter an ihr Unternehmen zu binden. Kluge Leute die tagtäglich dafür sorgen, dass das Unternehmen mehr einnimmt, als es ausgibt. Wenn einmal etwas schief geht sind sie es, die dafür sorgen, dass da Geschäft auch neben den definierten Prozessen die richtigen Bahnen einschlägt, zum Wohle der Kunden und zum Wohle der Firma.
Wenn beispielsweise ihr Reporting, warum auch immer, nicht mehr die richtigen Zahlen liefert, sorgen diese Leute dafür, dass Ihr Vorstand die richtigen Zahlen bekommt. Wie schaffen ihre Mitarbeiter das? Sie beginnen Daten aus Ihren Systemen abzuziehen. Sie verarbeiten diese Zahlen in „manuellen“ Lösungen, bis die Zahlen den gewünschten Zustand erreichen. Außerhalb Ihres Datawarehouses. In Insellösungen. Self Service BI heißt das Zaubermittel dieser Tage. Nutzer der Fachabteilungen dürfen selbständig auf immer mehr Daten ihres Datawarehouses zugreifen, diese verändern und anreichern. Kurzfristig mag das helfen, mittel- und langfristig macht es die Situation eher schlimmer. Sind wir ehrlich, ihre hochbezahlten Mitarbeiter kümmern sich zu einem kleiner werdenden Teil ihrer Arbeitszeit um die Dinge für welche Sie sie so gut bezahlen – und viel zu lange damit aus Daten Informationen zu gewinnen. Was ist also der Ausweg?

Source of poor data quality - TDWIQuelle: TDWI.org

Starten Sie eine Datenqualitätsoffensive! Mit FIVE1 haben Sie einen Partner gefunden, der Sie dabei unterstützen kann. Wir zeigen Ihnen auf, wie Sie Datenqualität messen und durchsetzen können. Wir finden in Ihrem System die Hebel an welchen Sie ansetzen können. Wir zeigen Ihnen, wie die Anwender im Fachbereich selbst für bessere Datenqualität sorgen können. Denn Datenqualität ist heute kein reines IT-Thema mehr. Dank ihrer leichteren Handhabung können Datenqualitätswerkzeuge auch im Fachbereich zum Einsatz kommen. Mit ihrer Hilfe lassen sich übergreifende Data-Governance-Konzepte unterstützen, aber auch eine laufende Datenqualitätssicherung vornehmen.
Think big, start small. Wir starten immer mit einzelnen Beispielen, so dass Sie in der Lage sind diese auf andere Fälle selbständig zu übertragen. Beispiele sind die Anzahl doppelter Datensätze, fehlgeleiteter emails, oder fehlerhafter Adressen. Diese Daten betrachten wir dann im Zeitverlauf. Durch die Veränderung lässt sich in Abhängigkeit vom Kontext der Handlungsbedarf ableiten. Mit Hilfe von Tools wie dem SAP Information Steward mit SAP Master Data Governance oder auf der HANA Plattform mit Hilfe von SAP HANA Enterprise Information Management (EIM) lassen sich solche Szenarien realisieren.

Wir bieten Ihnen den Einstieg in eine Datenqualitäts-optimierte Zukunft nun zum Festpreis an. In einem halbtägigen Workshops haben Sie die Gelegenheit unseren Experten zu zeigen wo der Schuh (am meisten) drückt. Unsere erfahrenen Berater untersuchen daraufhin ihr Datawarehouse anhand der ermittelten Anknüpfungspunkte. Zwischenergebnisse und Anschlussfragen stimmen wir in einem zweiten halbtägigen Termin noch einmal mit Ihnen ab. So gehen wir sicher die Analyse auch in die von Ihnen gewünschte Richtung zu lenken. Diesem Schritt schließt sich eine weitere, vertiefende Systemanalyse an. Alle Ergebnisse fassen wir nach Ursachen gegliedert in einem Dokument für Sie zusammen. So erfahren Sie ganz konkret die möglichen Handlungsfelder, wie ihre Datenqualität sinnvoll verbessert werden kann. Zu jedem Handlungsfeld zeigen wir Lösungsmöglichkeiten auf. Wann immer möglich, bieten wir auch mehrere Alternativen an. Dabei unterscheiden wir in „Quick-Wins“, sowie in mittel- und langfristige Chancen. Alle Potentiale bewerten wir in einer Kosten-Nutzen Betrachtung.

FIVE1 Datenqualität Offensive 2015

Sie gehen dabei keinerlei Risiko ein. Finden wir in ihrem System keine wirtschaftlich sinnvollen Ansatzpunkte, so erstatten wir Ihnen 50% unseres Angebotspreises. – Und Sie können sich sicher sein, beim Thema Datenqualität auf der sicheren Seite zu sein.

Getagged mit: , , , , , , , , , , , ,

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

*

*